Pourquoi le blocage est-il nécessaire dans la conception expérimentale si nous effectuons déjà une assignation aléatoire?


8

Je passe par la première partie du cours de statistiques Duke sur Coursera, et le concept de blocage dans la conception expérimentale apparaît. Si je comprends bien, le blocage fait référence à la séparation des sujets en groupes en fonction d'une variable qui pourrait affecter le résultat.

Cependant, si nous effectuons déjà une assignation aléatoire, toutes les "valeurs" de la variable de blocage ne devraient-elles pas être représentées également dans les différents groupes de traitement? Si oui, pourquoi nous embêtons-nous avec le blocage?


2
Chaque échantillon aléatoire est essentiellement un tirage d'une variable aléatoire. Dans l'attente, la distribution des données dans l'échantillon est la même que dans la population. Mais seulement dans l'attente.
shadowtalker

Réponses:


4

Eh bien, si vous avez un petit nombre d'essais expérimentaux, l'assignation aléatoire pourrait bien rendre une variable mal équilibrée entre les groupes expérimental et témoin. En utilisant le blocage, vous évitez cela.

Une autre idée du blocage est qu'il permet d'utiliser volontairement du matériel expérimental non homogène, car le blocage assure qu'il est équilibré entre les groupes. Cela constitue une meilleure base pour la généralisation des expériences, car la conclusion de l'expérience est valable pour une plus grande gamme de conditions.


Et si j'utilise une pièce de monnaie équitable pour déterminer le destin (c.-à-d. Aller au groupe de traitement ou au groupe témoin) pour chaque sujet. Ensuite, dans ce cas, que vous fassiez d'abord un blocage, c'est-à-dire que vous divisez votre échantillon en fonction de leurs attributs en plusieurs cohortes, puis au sein de chaque cohorte, vous utilisez la pièce de chaque personne pour attribuer un traitement; ou vous utilisez simplement la pièce des gens pour attribuer un traitement au départ, sans bloquer, vous donnera exactement la même personne dans le groupe de traitement ou de contrôle. Dans ce cas, le blocage ne fait aucune différence. Parce que dans l'analyse des données, vous exécutez toujours un modèle linéaire avec attribut
KevinKim

Cela vient d'être voté. J'aimerais vraiment entendre ce qui est mal vu avec cette réponse !, car je ne peux pas imaginer ce que c'est --- à part être trop court sur les détails?
kjetil b halvorsen

1
Supposons que vous avez 4 hommes 6 femmes dans votre échantillon. Chacun lance une pièce juste, H au traitement, T au contrôle. Si vous faites une conception complètement aléatoire, vous pourriez vous retrouver avec (1 homme, 5 femmes) en traitement, (3 hommes, 1 femme) en contrôle basé sur leur propre pièce. Maintenant, si vous bloquez d'abord le sexe, vous avez donc 4 hommes dans la cohorte M et 6 femmes dans la cohorte W, puis au sein de la cohorte, vous les laissez retourner leur pièce, vous vous retrouverez avec la même probabilité d'obtenir (1 homme, 5 femmes) en Traitement, (3 hommes, 1 femme) en Contrôle. N'est-ce pas?
KevinKim
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.